tf.lite.Optimize
Перечисление, определяющее оптимизации, которые следует применить при генерации модели tflite.
DEFAULT — стандартная стратегия оптимизации, которая включает пост-обучающую квантизацию. Тип пост-обучающей квантизации, который будет использоваться, зависит от других параметров преобразования. Обратитесь к документации для получения дополнительной информации о доступных типах и способах их использования.
OPTIMIZE_FOR_SIZE Устарело. Делает то же, что и DEFAULT.
OPTIMIZE_FOR_LATENCY Устарело. Делает то же, что и DEFAULT.
EXPERIMENTAL_SPARSITY Экспериментальный флаг, может быть изменён.
Enable optimization by taking advantage of the sparse model weights trained with pruning. The converter will inspect the sparsity pattern of the model weights and do its best to improve size and latency. The flag can be used alone to optimize float32 models with sparse weights. It can also be used together with the DEFAULT optimization mode to optimize quantized models with sparse weights.
| Переменные класса | |
|---|---|
| DEFAULT | <Optimize.DEFAULT: 'DEFAULT'> |
| EXPERIMENTAL_SPARSITY | <Optimize.EXPERIMENTAL_SPARSITY: 'EXPERIMENTAL_SPARSITY'> |
| OPTIMIZE_FOR_LATENCY | <Optimize.OPTIMIZE_FOR_LATENCY: 'OPTIMIZE_FOR_LATENCY'> |
| OPTIMIZE_FOR_SIZE | <Optimize.OPTIMIZE_FOR_SIZE: 'OPTIMIZE_FOR_SIZE'> |
© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/lite/Optimize